AI+Web3: 타워와 사각형

TL;DR

1. AI 컨셉의 Web3 프로젝트는 1차 및 2차 시장에서 금 자석이 되었습니다.

2. AI 산업에서 Web3의 기회는 다음에 반영됩니다. 분산형 인센티브를 사용하여 데이터, 스토리지 및 컴퓨팅 전반에 걸쳐 동시에 잠재적인 공급을 조정하고 오픈 소스 모델과 분산형 시장을 구축합니다. AI 에이전트.

3. AI는 Web3 산업에서 온체인 금융(암호화된 결제, 거래, 데이터 분석) 및 보조 개발을 위해 주로 사용됩니다.

4. AI+Web3의 효율성은 두 가지의 보완성에 반영됩니다. Web3는 AI 중앙화에 맞서 싸울 것으로 예상되고 AI는 Web3가 순환에서 벗어나는 데 도움이 될 것으로 예상됩니다.

소개

지난 2년 동안 Chatgpt가 주도한 나비 날개는 생성 인공 지능의 새로운 세계를 열었을 뿐만 아니라 다른 한편으로는 Web3에 해류를 일으켰습니다.

AI 개념의 지원으로 암호화폐 시장의 자금 조달은 둔화에 비해 크게 향상되었습니다. 언론통계에 따르면 2024년 상반기에만 총 64개의 Web3+AI 프로젝트가 펀딩을 완료했다. 인공지능 기반 운영체제 자이버 365는 A라운드에서 최대 1억달러의 펀딩 금액을 달성했다.

암호화폐 집계 사이트 코인게코(Coingecko)의 자료에 따르면, 2차 시장은 불과 1년여 만에 AI 트랙의 총 시장 가치가 485억 달러에 달했고, 24시간 거래량은 86억 달러에 가까운 주류 AI 기술의 발전으로 인한 혜택 분명히 OpenAI의 Sora 텍스트-비디오 모델 출시 이후 AI 부문의 평균 가격은 151% 증가했습니다. 암호화폐 금광 분야 중 하나인 최초의 AI 에이전트인 Meme에도 효과가 발산되었습니다. 개념적인 MemeCoin-GOAT는 빠르게 인기를 얻었고 14억 달러의 가치를 얻었으며 AI Meme 열풍을 성공적으로 일으켰습니다.

AI+Web3에 대한 연구와 주제는 AI+Depin에서 AI Memecoin, 현재 AI Agent 및 AI DAO에 이르기까지 FOMO 감정은 더 이상 새로운 내러티브 회전 속도를 따라갈 수 없습니다.

핫머니와 트렌드, 미래의 환상이 가득한 이 용어의 조합인 AI+Web3은 필연적으로 자본이 정한 결혼으로 간주될 것이다. 새벽이 밝아오나요?

이 질문에 대답하기 위해 양측 모두에게 중요한 질문은 상대방이 없는 것이 더 나을까?입니다. 다른 사람의 모델로부터 이익을 얻을 수 있습니까? 이 기사에서 우리는 또한 전임자의 어깨에 서서 다음 패턴을 조사하려고 노력합니다. Web3는 AI 기술 스택의 모든 측면에서 어떻게 역할을 할 수 있으며 AI가 Web3에 어떤 새로운 활력을 가져올 수 있습니까?

Part.1 AI 스택에서 Web3의 기회는 무엇입니까?

이 주제를 시작하기 전에 대규모 AI 모델의 기술 스택을 이해해야 합니다.

출처: 델파이 디지털

전체 과정을 좀 더 대중적인 언어로 표현하자면, 대형 모델은 인간의 두뇌와 같습니다. 초기 단계에서 이 두뇌는 세상에 갓 태어난 아기의 두뇌입니다. 컴퓨터는 인간의 시각이나 청각과 같은 다중 감각을 갖고 있지 않기 때문에 외부 세계의 라벨이 지정되지 않은 대규모 정보를 데이터로 변환해야 하는 단계입니다. 컴퓨터가 전처리를 통해 이해하고 사용할 수 있는 정보 형식입니다.

AI는 데이터를 입력한 후 훈련을 통해 이해와 예측 능력을 갖춘 모델을 구축하는데, 이는 아기가 점차 외부 세계를 이해하고 학습하는 과정이라고 볼 수 있다. 모델의 매개변수는 언어 능력과 같다. 학습 과정에서 끊임없이 조정되는 아기의 모습입니다. 학습 내용이 과목별로 나누어지기 시작하거나, 다른 사람들과 소통하여 피드백을 받고 수정을 하게 되면 대형 모델의 미세 조정 단계에 들어갑니다.

아이들은 자라서 말하는 법을 배우면서 새로운 대화에서 의미를 이해하고 자신의 감정과 생각을 표현할 수 있습니다. 이 단계는 대규모 AI 모델의 추론과 유사하며, 모델은 새로운 언어와 텍스트 입력을 예측하고 분석할 수 있습니다. . 아기들이 언어 능력을 통해 감정을 표현하고, 사물을 설명하고, 다양한 문제를 해결하는 것도 학습을 마친 후 이미지 분류, 음성 인식, 학습 등 추론 단계의 다양한 특정 작업에 AI 모델이 적용되는 것과 유사합니다. 등.

AI 에이전트는 독립적으로 작업을 수행하고 복잡한 목표를 추구할 수 있는 차세대 대형 모델에 더 가깝습니다. 생각할 수 있을 뿐만 아니라 기억하고 계획하고 도구를 사용하여 세상과 상호 작용할 수 있습니다.

현재 각 스택의 AI 문제점에 대응하여 Web3는 처음에 AI 모델 프로세스의 모든 단계를 포괄하는 다층적이고 상호 연결된 생태계를 형성했습니다.

1. 기본 레이어: 컴퓨팅 성능과 데이터를 갖춘 Airbnb

▼ 컴퓨팅 파워

현재 AI의 가장 높은 비용 중 하나는 모델을 훈련하고 추론하는 데 필요한 컴퓨팅 성능과 에너지입니다.

일례로 Meta의 LLAMA 3는 30일 만에 훈련을 완료하기 위해 NVIDIA(인공 지능 및 고성능 컴퓨팅 작업 부하를 위해 설계된 최고급 그래픽 처리 장치)에서 생산한 16,000개의 H100 GPU가 필요했습니다. 후자의 80GB 버전의 단가는 US$30,000~US$40,000이며, 이는 컴퓨팅 하드웨어 투자(GPU + 네트워크 칩)에 US$400~700백만이 필요하며, 동시에 월간 교육에는 16억 kWh의 에너지 비용이 필요합니다. 한 달에 거의 2000만 달러.

AI 컴퓨팅 성능의 압축 해제는 Web3가 AI와 교차하는 가장 빠른 영역이기도 합니다. DePin(분산형 물리적 인프라 네트워크) 현재 DePin Ninja 데이터 웹사이트에는 io를 포함한 GPU 컴퓨팅 성능 공유 대표 프로젝트가 1,400개 이상 표시되어 있습니다. .net, Aethir, Akash, 렌더 네트워크 등

주요 논리는 다음과 같습니다. 플랫폼은 유휴 GPU 리소스가 있는 개인 또는 단체가 무허가 분산 방식으로 컴퓨팅 성능을 제공할 수 있도록 하여 Uber 또는 Airbnb와 유사한 구매자 및 판매자용 온라인 시장을 통해 활용도가 낮은 GPU 리소스를 늘립니다. 사용자는 또한 저렴하고 효율적인 컴퓨팅 리소스를 얻는 동시에 품질 관리 메커니즘을 위반하거나 네트워크 중단이 있는 경우 리소스 공급자가 그에 상응하는 처벌을 받도록 보장합니다.

그 특성은 다음과 같습니다:

• 유휴 GPU 리소스 수집: 공급자는 주로 제3자 독립 중소 규모 데이터 센터, 암호화 광산 및 기타 운영자의 초과 컴퓨팅 리소스와 FileCoin 및 ETH 채굴 기계와 같은 PoS 합의 메커니즘을 갖춘 채굴 하드웨어입니다. 현재, 더 낮은 임계값을 갖춘 장치를 출시하는 데 전념하는 프로젝트도 있습니다. 예를 들어, exolab은 MacBook, iPhone, iPad와 같은 로컬 장치를 사용하여 대규모 모델 추론을 실행하기 위한 컴퓨팅 네트워크를 구축합니다.

• AI 컴퓨팅 성능의 롱테일 시장에 직면:

a. 기술적 관점에서 추론 단계에는 분산형 컴퓨팅 파워 시장이 더 적합합니다. 훈련은 초대형 클러스터 규모 GPU가 제공하는 데이터 처리 기능에 더 많이 의존하는 반면 추론은 GPU 컴퓨팅 성능이 상대적으로 낮습니다. 예를 들어 Aethir는 지연 시간이 짧은 렌더링 작업과 AI 추론 애플리케이션에 중점을 둡니다.

b. 수요 측 중소 컴퓨팅 성능 수요자는 자체 대형 모델을 별도로 교육하지 않고 소수의 대형 모델을 중심으로 최적화하고 미세 조정하도록 선택합니다. 이러한 시나리오는 당연히 분산된 유휴 컴퓨팅 리소스에 적합합니다. .

• 분산형 소유권: 블록체인의 기술적 중요성은 리소스 소유자가 항상 리소스에 대한 통제권을 유지하고 필요에 따라 유연하게 조정하며 동시에 혜택을 얻을 수 있다는 것입니다.

▼데이터

데이터는 AI의 기반이다. 데이터가 없으면 계산은 쓸모가 없으며, 데이터와 모델의 관계는 쓰레기가 들어가면 쓰레기가 나온다라는 속담과 같습니다. 데이터의 양과 입력 품질이 최종 모델의 출력을 결정합니다. 현재 AI 모델의 훈련에서는 데이터가 모델의 언어 능력, 이해 능력, 심지어 가치관과 인간화된 성능까지 결정한다. 현재 AI의 데이터 수요 딜레마는 주로 다음 네 가지 측면에 초점을 맞추고 있습니다.

• 데이터 부족: AI 모델 훈련은 대량의 데이터 입력에 의존합니다. 공개 정보에 따르면 OpenAI가 GPT-4를 훈련하기 위해 사용하는 매개변수의 수가 1조 수준에 도달했습니다.

• 데이터 품질: AI와 다양한 산업의 통합으로 인해 데이터 적시성, 데이터 다양성, 수직 데이터의 전문성, 소셜 미디어 정서와 같은 새로운 데이터 소스의 섭취도 품질에 대한 새로운 요구 사항을 제시했습니다.

• 개인 정보 보호 및 규정 준수 문제: 현재 다양한 국가와 기업에서는 고품질 데이터 세트의 중요성을 점차 인식하고 있으며 데이터 세트 크롤링을 제한하고 있습니다.

• 데이터 처리 비용이 많이 듭니다. 데이터 양이 많고 처리가 복잡합니다. 공개된 정보에 따르면 AI 기업의 RD 비용 중 30% 이상이 기본 데이터 수집 및 처리에 지출됩니다.

현재 web3 솔루션은 다음과 같은 4가지 측면이 반영되어 있습니다.

1. 데이터 수집: 무료로 수집할 수 있는 실제 데이터는 급속도로 고갈되고 있으며, AI 기업의 데이터 지출은 해마다 증가하고 있습니다. 그러나 동시에 이러한 지출은 데이터의 실제 기여자에게 피드백되지 않습니다. 예를 들어 Reddit은 체결된 데이터 라이선스 계약을 통해 총 2억 300만 달러의 수익을 달성했습니다. AI 회사와 함께. 진정으로 기여하는 사용자도 데이터가 가져오는 가치 창출에 참여할 수 있도록 하고, 분산 네트워크와 인센티브 메커니즘을 통해 사용자가 보다 개인적이고 가치 있는 데이터를 저렴한 비용으로 얻을 수 있도록 하는 것이 Web3의 비전입니다.

• 예를 들어, Grass는 분산형 데이터 계층이자 네트워크입니다. 사용자는 Grass 노드를 실행하고 유휴 대역폭을 제공하고 트래픽을 릴레이하여 전체 인터넷에서 실시간 데이터를 캡처하고 토큰 보상을 얻을 수 있습니다.

• Vana는 고유한 데이터 유동성 풀(DLP) 개념을 도입합니다. 사용자는 자신의 개인 데이터(예: 쇼핑 기록, 검색 습관, 소셜 미디어 활동 등)를 특정 DLP에 업로드하고 이 데이터를 특정 제3자에게 승인할지 여부를 유연하게 선택할 수 있습니다. 파티 용도;

• PublicAI에서 사용자는 #AI 또는 #Web3을 X 및 @PublicAI의 분류 태그로 사용하여 데이터 수집을 달성할 수 있습니다.

2. 데이터 전처리: AI의 데이터 처리 과정에서 수집된 데이터는 일반적으로 잡음이 많고 오류가 포함되어 있으므로 모델을 훈련하기 전에 표준화, 필터링 및 누락된 중복 처리를 포함하는 데이터를 정리하고 사용 가능한 형식으로 변환해야 합니다. 가치. 이 단계는 AI 업계에서 몇 안 되는 수동 링크 중 하나이며, 데이터 품질에 대한 모델의 요구 사항이 증가함에 따라 데이터 주석자에 대한 임계값도 높아지므로 이 작업은 자연스럽게 적합합니다. Web3.분산형 인센티브 메커니즘.

• 현재 Grass와 OpenLayer는 모두 데이터 주석을 핵심 링크로 추가하는 것을 고려하고 있습니다.

• Synesis는 데이터 품질을 강조하는 Train 2 Earn 개념을 제안했습니다. 사용자는 레이블이 지정된 데이터, 주석 또는 기타 형태의 입력을 제공하여 보상을 받을 수 있습니다.

• 데이터 라벨링 프로젝트 Sapien은 라벨링 작업을 게임화하고 사용자가 포인트를 걸고 더 많은 포인트를 얻을 수 있도록 합니다.

3. 데이터 프라이버시와 보안: 데이터 프라이버시와 보안은 서로 다른 개념이라는 점을 명확히 할 필요가 있습니다. 데이터 개인정보 보호에는 민감한 데이터의 처리가 포함되며, 데이터 보안은 무단 액세스, 파괴 및 도난으로부터 데이터 정보를 보호합니다. 따라서 Web3 개인 정보 보호 기술의 장점과 잠재적인 적용 시나리오는 (1) 민감한 데이터 교육, (2) 데이터 협업: 여러 데이터 소유자가 원본 데이터를 공유하지 않고도 AI 교육에 공동으로 참여할 수 있다는 두 가지 측면에 반영됩니다.

현재 Web3의 보다 일반적인 개인 정보 보호 기술은 다음과 같습니다.

• 슈퍼 프로토콜과 같은 TEE(신뢰할 수 있는 실행 환경)

• BasedAI, Fhenix.io 또는 Inco Network와 같은 FHE(완전 동형 암호화)

• Reclaim Protocol과 같은 영지식 기술(zk)은 zkTLS 기술을 사용하여 HTTPS 트래픽의 영지식 증명을 생성하므로 사용자는 민감한 정보를 노출하지 않고 외부 웹사이트에서 활동, 평판 및 신원 데이터를 안전하게 가져올 수 있습니다.

그러나 이 분야는 아직 초기 단계에 있으며 대부분의 프로젝트는 여전히 연구 중입니다. 현재 딜레마 중 하나는 계산 비용이 너무 높다는 것입니다.

• zkML 프레임워크 EZKL은 1M-nanoGPT 모델에 대한 증거를 생성하는 데 약 80분이 소요됩니다.

• Modulus Labs에 따르면 zkML의 오버헤드는 순수 계산보다 1,000배 이상 높습니다.

4. 데이터 저장: 데이터를 확보한 후에도 체인에 데이터를 저장할 장소와 데이터를 사용하여 생성된 LLM이 필요합니다. 데이터 가용성(DA)이 핵심 문제인 경우 Ethereum Danksharding 업그레이드 이전에는 처리량이 0.08MB였습니다. 동시에 AI 모델의 교육 및 실시간 추론에는 일반적으로 초당 50~10GB의 데이터 처리량이 필요합니다. 이러한 크기 차이로 인해 기존 온체인 솔루션은 리소스 집약적 AI 애플리케이션에 대처할 수 없습니다.

• 0g.AI는 이 분야의 대표적인 프로젝트이다. AI의 고성능 요구 사항을 충족하도록 설계된 중앙 집중식 스토리지 솔루션으로, 주요 기능에는 고성능 및 확장성이 포함되며, 데이터 전송을 통해 고급 샤딩 및 삭제 규모 데이터 세트를 통해 대용량 파일의 빠른 업로드 및 다운로드를 지원합니다. 초당 5GB에 가까운 속도.

2. 미들웨어: 모델 훈련 및 추론

▼ 오픈소스 모델 탈중앙화 시장

AI 모델이 폐쇄 소스여야 하는지, 오픈 소스여야 하는지에 대한 논쟁은 결코 사라지지 않았습니다. 오픈소스가 가져오는 집단적 혁신은 폐쇄형 소스 모델의 비교할 수 없는 장점입니다. 하지만 수익 모델이 없다면 오픈소스 모델이 어떻게 개발자의 추진력을 향상시킬 수 있을까요? 생각해 볼 만한 방향이다. 바이두 창업자인 로빈 리(Robin Li)는 올해 4월 “오픈소스 모델은 점점 후퇴할 것”이라고 주장했다.

이와 관련하여 Web3는 분산형 오픈 소스 모델 시장의 가능성, 즉 모델 자체를 토큰화하고 팀을 위해 일정 비율의 토큰을 보유하며 모델의 향후 수익 중 일부를 토큰 보유자에게 흐르게 하는 가능성을 제안합니다.

• 예를 들어, Bittensor 프로토콜은 특정 서브넷 소유자의 목표를 달성하기 위해 리소스 공급자(컴퓨팅, 데이터 수집/저장, 기계 학습 인재)가 서로 경쟁하는 수십 개의 서브넷으로 구성된 오픈 소스 모델 P2P 시장을 구축합니다. 하위 네트워크는 서로 상호 작용하고 학습할 수 있으므로 더 큰 지능이 가능합니다. 보상은 커뮤니티 투표를 통해 배포되며, 경쟁 성과에 따라 서브넷 간에 추가로 배포됩니다.

• ORA는 분산형 네트워크를 통해 구매, 판매 및 개발할 수 있는 AI 모델을 토큰화하기 위해 IMO(초기 모델 제공) 개념을 도입합니다.

• 분산형 AGI 플랫폼인 Sentient는 기여자에게 AI 모델을 협업, 구축, 복제 및 확장하도록 장려하고 기여자에게 보상을 제공합니다.

• Spectral Nova는 AI 및 ML 모델의 생성 및 적용에 중점을 둡니다.

▼ 검증 가능한 추론

AI 추론 프로세스의 블랙박스 문제에 대한 표준 Web3 솔루션은 여러 검증자가 동일한 작업을 반복하고 결과를 비교하도록 하는 것이지만, 현재 고급형 Nvidia 칩이 부족하기 때문에 이 접근 방식은 명백한 과제에 직면해 있습니다. AI 추론은 비용이 많이 듭니다.

더 유망한 솔루션은 오프체인 AI 추론 계산을 위한 ZK 증명을 수행하는 것입니다. 이는 한 당사자의 증명자가 추가 정보 외에는 아무것도 공개하지 않고 주어진 진술이 다른 당사자의 검증자에게 증명할 수 있는 암호화 프로토콜입니다. 그 이외의 진술은 사실입니다., 체인의 AI 모델 계산에 대한 무허가 검증을 허용합니다. 이를 위해서는 모든 데이터가 기밀로 유지되도록 보장하면서 오프체인 계산이 올바르게 완료되었음을 온체인에서 암호화 방식으로 증명해야 합니다(예: 데이터 세트가 변조되지 않음).

주요 이점은 다음과 같습니다.

• 확장성: 영지식 증명을 통해 수많은 오프체인 계산을 신속하게 확인할 수 있습니다. 거래 수가 늘어나더라도 영지식 증명 하나로 모든 거래를 검증할 수 있습니다.

• 개인 정보 보호: 데이터 및 AI 모델 세부 정보는 비공개로 유지되며 모든 당사자는 데이터 및 모델이 손상되지 않았는지 확인할 수 있습니다.

• 무신뢰: 중앙화된 당사자에 의존하지 않고 계산을 확인할 수 있습니다.

• Web2 통합: 정의에 따르면 Web2는 오프체인으로 통합됩니다. 즉, 검증 가능한 추론이 데이터 세트와 AI 계산을 온체인으로 가져오는 데 도움이 될 수 있습니다. 이는 Web3 채택을 늘리는 데 도움이 됩니다.

현재 검증가능한 추론을 위한 Web3의 검증가능한 기술은 다음과 같다.

• zkML: 영지식 증명과 기계 학습을 결합하여 데이터와 모델의 개인정보 보호와 기밀성을 보장하고 Modulus Labs가 ZKML을 기반으로 AI용으로 구축된 ZK 증명자를 출시한 것과 같은 특정 기본 속성을 공개하지 않고 검증 가능한 계산을 허용하여 AI가 실제 데이터인지 여부를 효과적으로 확인합니다. 공급자의 조작 알고리즘은 체인에서 올바르게 실행되지만 현재 고객은 기본적으로 체인의 DApp입니다.

• opML: 분쟁이 발생하는 시간을 검증하여 ML 계산의 확장성과 효율성을 향상시키기 위해 낙관적 집계의 원리를 활용합니다. 이 모델에서는 검증자가 생성한 결과 중 극히 일부만 검증하면 되지만 경제적입니다. 비용은 검증자의 부정행위 비용을 증가시켜 중복 계산을 줄일 만큼 충분히 높아질 것입니다.

• TeeML: 신뢰할 수 있는 실행 환경을 사용하여 ML 계산을 안전하게 수행하여 데이터와 모델을 변조 및 무단 액세스로부터 보호합니다.

3. 애플리케이션 계층: AI 에이전트

현재 AI 개발에서는 개발 초점이 모델 기능에서 AI 에이전트로 이동하고 있습니다. OpenAI, AI 대형 모델 유니콘 Anthropic, Microsoft와 같은 기술 회사는 LLM의 현재 기술 플랫폼 시대를 깨기 위해 AI 에이전트 개발에 눈을 돌렸습니다.

OpenAI의 AI 에이전트 정의는 LLM이 두뇌로 구동되는 시스템으로, 인식, 계획, 기억 및 도구 사용을 자율적으로 이해하고 복잡한 작업을 자동으로 실행할 수 있는 능력을 갖춘 시스템입니다. AI가 도구를 사용하는 주체에서 도구를 사용할 수 있는 주체로 변화하면 AI Agent가 된다. 이것이 바로 AI Agent가 인간에게 가장 이상적인 지능형 비서가 될 수 있는 이유입니다.

그리고 Web3가 Agent에 무엇을 가져올 수 있습니까?

1. 탈중앙화

Web3의 분산화 특성은 에이전트 시스템을 더욱 분산화하고 자율적으로 만들 수 있습니다. PoS 및 DPoS와 같은 메커니즘을 통해 서약자와 위임자를 위한 인센티브 및 처벌 메커니즘을 구축하면 GaiaNet, Theoriq 및 HajimeAI가 모두 이를 시도했습니다. .

2. 콜드 스타트

AI Agent의 개발 및 반복에는 많은 양의 재정적 지원이 필요한 경우가 많으며 Web3는 잠재적인 AI Agent 프로젝트가 조기 자금 조달 및 콜드 스타트를 확보하는 데 도움이 될 수 있습니다.

• Virtual Protocol은 AI Agent 생성 및 토큰 발행 플랫폼인 fun.virtuals를 출시합니다. 모든 사용자는 한 번의 클릭으로 AI Agent를 배포하고 AI Agent 토큰을 100% 공정하게 발행할 수 있습니다.

• Spectral은 체인에서 AI 에이전트 자산의 발행을 지원하는 제품 개념을 제안했습니다. IAO(Initial Agent Offering)를 통해 토큰을 발행함으로써 AI 에이전트는 투자자로부터 직접 자금을 얻고 DAO 거버넌스의 구성원이 되어 투자자에게 참여할 기회를 제공합니다. 프로젝트 개발 및 향후 수익을 공유할 수 있는 기회를 제공합니다.

Part.2 AI는 Web3에 어떻게 힘을 실어주나요?

Web3 프로젝트에 대한 AI의 영향은 분명합니다. 이는 스마트 계약 실행, 유동성 최적화 및 AI 기반 거버넌스 결정과 같은 온체인 운영을 최적화함으로써 블록체인 기술에 이점을 제공합니다. 통찰력을 얻고, 온체인 보안을 개선하고, 새로운 Web3 기반 애플리케이션의 기반을 마련하세요.

1. AI와 온체인 금융

▼AI와 암호경제학

8월 31일, 코인베이스 CEO 브라이언 암스트롱(Brian Armstrong)은 Base 네트워크에서 최초의 AI 대 AI 암호화 거래 구현을 발표했으며, AI 에이전트는 이제 Base에서 USD를 사용하여 인간, 상인 또는 기타 AI와 거래를 수행할 수 있다고 말했습니다. 거래는 즉각적이고 글로벌하며 무료입니다.

결제 외에도 버추얼스 프로토콜(Virtuals Protocol)의 루나(Luna)는 AI 에이전트가 다음과 같은 방식으로 온체인 트랜잭션을 자율적으로 실행할 수 있는 방법을 최초로 시연해 환경을 인지하고 의사결정을 내리고 행동을 수행할 수 있는 지능형 개체로서 주목을 받았다. 에이전트는 온체인으로 간주됩니다. 금융의 미래 현재 AI 에이전트의 잠재적 시나리오는 다음과 같습니다.

1. 정보 수집 및 예측: 투자자가 거래소 공지, 프로젝트 공개 정보, 패닉, 여론 위험 및 기타 정보를 수집하고 자산 펀더멘털 및 시장 상황을 실시간으로 분석 및 평가하고 추세 및 위험을 예측할 수 있도록 지원합니다.

2. 자산 관리: 사용자에게 적절한 투자 대상을 제공하고 자산 포트폴리오를 최적화하며 자동으로 거래를 실행합니다.

3. 금융 경험: 투자자가 가장 빠른 온체인 거래 방법을 선택하도록 돕고, 크로스체인 및 가스 요금 조정과 같은 수동 작업을 자동화하며, 온체인 금융 활동의 임계값과 비용을 줄입니다.

AI 에이전트에게 다음과 같은 지시를 전달하는 시나리오를 상상해 보세요: 저는 1,000 USDT를 가지고 있습니다. 가장 높은 수익을 낼 수 있는 조합을 찾도록 도와주세요. 그리고 락업 시간은 1주일을 넘지 않아야 합니다. 에이전트는 다음과 같은 제안을 제공합니다. 권장되는 초기 할당은 A에서 50%, B에서 20%, X에서 20%, 10%입니다. Y.에서는 금리를 모니터링하고 위험 수준의 변화를 관찰하고 필요한 경우 재조정할 것입니다. 에이전트는 미래에 달성할 수 있을 것입니다.

출처: 이경제학

현재 AI 에이전트 지갑 Bitte와 AI 상호작용 프로토콜 Wayfinder는 모두 OpenAI의 모델 API에 액세스하려고 시도하고 있으며, 이를 통해 사용자는 ChatGPT와 유사한 채팅 창 인터페이스에서 에이전트에게 다양한 온체인 작업을 완료하도록 명령할 수 있습니다. WayFinder 올해 4월에 출시된 첫 번째 프로토타입은 Base, Polygon 및 Ethereum의 세 가지 퍼블릭 체인 메인넷에서 스왑, 보내기, 브리지 및 스테이크의 네 가지 기본 작업을 시연했습니다.

현재 분산형 에이전트 플랫폼 Morpheus도 이러한 유형의 에이전트 개발을 지원합니다. 예를 들어 Biconomy는 AI 에이전트가 전체 지갑 권한을 부여하지 않고도 ETH를 USDC로 교환할 수 있는 작업을 시연했습니다.

▼ AI와 온체인 거래 보안

Web3 세계에서는 온체인 거래 보안이 매우 중요합니다. AI 기술은 온체인 거래의 보안 및 개인정보 보호를 강화하는 데 사용될 수 있습니다.

거래 모니터링: 실시간 데이터 기술은 비정상적인 거래 활동을 모니터링하고 사용자와 플랫폼에 실시간 경고 인프라를 제공합니다.

위험 분석: 플랫폼이 고객 거래 행동 데이터를 분석하고 위험 수준을 평가하도록 지원합니다.

예를 들어 Web3 보안 플랫폼 SeQure는 AI를 사용하여 악의적인 공격, 사기 및 데이터 유출을 탐지 및 방지하고 실시간 모니터링 및 경고 메커니즘을 제공하여 온체인 트랜잭션의 보안과 안정성을 보장합니다. 유사한 보안 도구로는 AI 기반 Sentinel이 있습니다.

2. AI 및 온체인 인프라

▼AI와 온체인 데이터

AI 기술은 다음과 같은 온체인 데이터 수집 및 분석에서 중요한 역할을 합니다.

• Web3 Analytics: 기계 학습 및 데이터 마이닝 알고리즘을 사용하여 온체인 데이터를 수집, 처리 및 분석하는 AI 기반 분석 플랫폼입니다.

• MinMax AI: 사용자가 잠재적인 시장 기회와 추세를 발견할 수 있도록 AI 기반 온체인 데이터 분석 도구를 제공합니다.

• Kaito: LLM 검색 엔진을 기반으로 하는 Web3 검색 플랫폼입니다.

• Followin: ChatGPT를 통합하여 다양한 웹사이트와 소셜 플랫폼에 흩어져 있는 관련 정보를 수집, 통합 및 제시합니다.

• 또 다른 애플리케이션 시나리오는 AI가 다양한 소스로부터 가격을 얻어 정확한 가격 데이터를 제공할 수 있는 오라클입니다. 예를 들어, Upshot은 AI를 사용하여 변동성이 큰 NFT 가격을 목표로 삼고 시간당 1억 개가 넘는 평가를 통해 NFT 가격에 3~10%의 오차 비율을 제공합니다.

▼AI와 개발감사

최근 Web2 AI 코드 편집기인 Cursor는 개발자들 사이에서 많은 주목을 받고 있습니다. 해당 플랫폼에서 사용자는 자연어로 설명하기만 하면 되며 Cursor는 해당 HTML, CSS 및 javaScript 코드를 자동으로 생성할 수 있습니다. 소프트웨어 개발 프로세스를 단순화하는 이 논리는 Web3의 개발 효율성을 향상시키는 데에도 적합합니다.

현재 퍼블릭 체인에 스마트 계약과 DApp을 배포하려면 일반적으로 Solidity, Rust, Move 등과 같은 독점 개발 언어가 필요합니다. 새로운 개발 언어의 비전은 분산형 블록체인의 설계 공간을 확장하고 이를 DApp 개발에 더 적합하게 만드는 것입니다. 그러나 Web3 개발자의 큰 부족으로 인해 개발자 교육은 항상 더 골치 아픈 문제였습니다.

현재 AI는 Web3 개발을 지원합니다. 가능한 시나리오에는 자동화된 코드 생성, 스마트 계약 확인 및 테스트, DApp 배포 및 유지 관리, 지능형 코드 완성, 개발 문제에 대한 답변을 위한 AI 대화 등이 포함됩니다. 개발 효율성과 정확성을 향상시킬 뿐만 아니라 프로그래밍 임계값을 낮추어 프로그래머가 아닌 사람도 자신의 아이디어를 실용적인 응용 프로그램으로 변환할 수 있도록 하여 분산형 기술 개발에 새로운 활력을 불어넣습니다.

현재 가장 눈길을 끄는 것은 신속한 DIY 토큰 배포를 위해 설계된 AI 기반 토큰 봇인 Clanker와 같은 원클릭 토큰 출시 플랫폼입니다. Warpcast 또는 Supercast와 같은 SocialFi 프로토콜 Farcaster 클라이언트에 Clanker를 태그하고 토큰 아이디어를 알려주기만 하면 공용 체인 Base에서 토큰이 활성화됩니다.

Web3 개발의 한계점을 낮추기 위해 원클릭 생성 및 스마트 계약 배포를 제공하는 Spectral과 같은 계약 개발 플랫폼도 있습니다.

감사 측면에서 Web3 감사 플랫폼인 Fuzzland는 AI를 사용하여 감사자가 코드 취약점을 확인할 수 있도록 돕고 자연어 설명을 제공하여 감사 전문 지식을 지원합니다. Fuzzland는 또한 AI를 사용하여 공식 사양 및 계약 코드에 대한 자연어 설명은 물론 일부 샘플 코드를 제공하여 개발자가 코드의 잠재적인 문제를 이해할 수 있도록 돕습니다.

3. AI와 Web3의 새로운 내러티브

생성적 AI의 등장은 Web3의 새로운 서사에 새로운 가능성을 가져왔습니다.

NFT: AI는 AI 기술을 통해 다양하고 독특하고 다양한 예술 작품과 캐릭터를 생성할 수 있으며, 이러한 생성적 NFT는 게임, 가상 세계 또는 메타버스에서 캐릭터, 소품 또는 장면 요소가 될 수 있습니다. 이미지를 업로드하고 키워드를 입력하여 AI 계산을 수행하고 NFT를 생성할 수 있습니다. 유사한 프로젝트에는 Solvo, Nicho, IgmnAI 및 CharacterGPT가 있습니다.

GameFi: AI의 자연어 생성, 이미지 생성, 지능형 NPC 기능을 중심으로 GameFi는 게임 콘텐츠 제작의 효율성과 혁신을 향상시킬 것으로 기대됩니다. 예를 들어 Binaryx의 첫 번째 블록체인 게임인 AI Hero에서는 플레이어가 AI를 통해 다양한 플롯 옵션을 무작위로 탐색할 수 있습니다. 또한 AIGC 및 LLM을 기반으로 하는 가상 동반 게임 Sleepless AI도 있으며 플레이어는 다양한 상호 작용을 통해 개인화된 게임 플레이를 잠금 해제할 수 있습니다.

DAO: 현재 AI는 커뮤니티 상호 작용을 추적하고, 기여도를 기록하고, 기여도가 가장 높은 회원에게 보상하고, 대리 투표 등을 돕기 위해 DAO에 적용할 계획입니다. 예를 들어, ai16z는 AI 에이전트를 사용하여 체인 안팎의 시장 정보를 수집하고, 커뮤니티 합의를 분석하고, DAO 회원의 추천을 기반으로 투자 결정을 내립니다.

Part.3 AI+Web3 결합의 의미: 타워와 사각형

이탈리아 피렌체의 중심에는 정치 활동의 가장 중요한 장소이자 시민과 관광객이 모이는 장소인 중앙 광장이 있는데, 여기에는 높이 95m의 시청탑과 탑과 수평이 연결되어 있다. 정사각형 시각적 대비는 서로를 보완하고 극적인 미학적 효과를 만들어냅니다. 하버드 대학의 역사학과 교수인 닐 퍼거슨(Neil Ferguson)은 이에 영감을 받아 책 사각형과 타워(Squares and Towers)에서 이를 네트워크 및 계층의 세계사와 연관시켰습니다. 시간이 지남에 따라 강물은 썰물과 흐름을 반복합니다.

오늘날 AI와 Web3의 관계에 있어서 이 놀라운 비유는 놀라운 일이 아닙니다. 둘 사이의 장기적, 비선형적 관계의 역사를 통해 우리는 광장이 탑보다 새로운 것을 생산할 가능성이 더 높고 창의적이면서도 탑은 여전히 정당성과 강한 생명력을 가지고 있음을 알 수 있습니다.

에너지 컴퓨팅 파워 데이터를 고도로 클러스터링하는 기술 기업의 능력으로 AI는 전례 없는 상상력으로 폭발했으며, 기술 기업은 다양한 채팅 로봇부터 기본 대형 모델 GPT-4, GP 4-4 o 및 다른 반복 버전이 차례로 등장하고, 실제 물리적 세계를 초기에 시뮬레이션할 수 있는 능력을 갖춘 자동 프로그래밍 로봇(데빈)과 소라가 출시되는 등 AI의 상상력은 무한히 확대됐다.

동시에 AI는 본질적으로 대규모의 중앙 집중화된 산업입니다. 이러한 기술 변화는 인터넷 시대에 점진적으로 구조적 지배력을 확보한 기술 기업을 더 좁은 고점으로 밀어 넣을 것입니다. 스마트 시대를 지배하는 데 필요한 막대한 전력, 독점 현금 흐름 및 막대한 데이터 세트는 스마트 시대에 더 높은 장벽을 만들었습니다.

탑이 점점 높아질수록 배후의 의사결정자는 점점 작아지고, AI의 중앙집권화는 수많은 숨겨진 위험을 가져옵니다. 광장에 모인 사람들은 어떻게 탑 아래의 그림자를 피할 수 있을까요? 이것이 Web3가 해결하고자 하는 문제입니다.

본질적으로 블록체인의 고유한 속성은 인공지능 시스템을 향상시키고 다음과 같은 새로운 가능성을 가져옵니다.

• 인공지능 시대의 코드는 법이다 - 스마트 계약과 암호화 검증을 통해 투명한 시스템이 자동으로 규칙을 실행하고 목표에 더 가까운 사람들에게 보상을 제공합니다.

• 토큰 경제학 – 토큰 메커니즘, 스테이킹, 슬래싱, 토큰 보상 및 처벌을 통해 참가자 행동을 생성하고 조정합니다.

• 분산형 거버넌스 – 정보 출처에 의문을 제기하고 AI 기술에 대한 보다 비판적이고 통찰력 있는 접근 방식을 장려하여 편견, 잘못된 정보 및 조작을 방지하고 궁극적으로 더 많은 정보를 얻고 권한이 부여된 사회를 조성합니다.

AI의 발전은 Web3에도 새로운 활력을 불어넣었습니다. Web3가 AI에 미치는 영향을 입증하는 데는 시간이 걸릴 수도 있지만, Web3에 대한 AI의 영향은 즉각적입니다. 그것이 Meme의 카니발이든 AI 에이전트가 돕는 것이든 말이죠. 온체인 애플리케이션의 비용을 줄이기 위해 사용 임계값을 볼 수 있습니다.

Web3가 소수 집단의 사리사욕으로 정의되어 전통 산업의 모방에 대한 의문에 빠졌을 때, AI의 추가로 Web2 사용자 그룹이 더욱 안정적이고 규모가 커지고 혁신 비즈니스가 더욱 커지는 예측 가능한 미래가 나타났습니다. 모델과 서비스.

우리는 타워와 광장이 공존하는 세상에 살고 있습니다. AI와 Web3는 서로 다른 타임라인과 출발점을 가지고 있지만, 그 종착점은 어떻게 하면 기계가 인간에게 더 나은 서비스를 제공할 수 있는지 를 정의할 수 없습니다. AI+Web3의 미래.

*Coinspire 플랫폼의 모든 콘텐츠는 참고용일 뿐이며 투자 전략에 대한 제안이나 추천을 구성하지 않습니다. 이 기사의 내용에 따른 모든 개인적인 결정은 전적으로 투자자의 책임이며, Coinspire는 이로 인해 발생하는 이익이나 손실에 대해 책임을 지지 않습니다. 투자는 위험하므로 신중하게 결정을 내려야 합니다.